Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4.0. CONTENIDOS
4.1. DISTRIBUCIONES CONTINUAS Y DENSIDADES DE PROBABILIDAD
4.1.1. Series. Integrales impropias.
4.1.2. Modelos matemáticos de variables aleatorias continuas y la función de densidad de
probabilidad.
4.1.3. La distribución normal.
4.1.4. Aplicaciones de la distribución normal.
4.1.5. Teorema central del límite.
4.1.6. Aproximación a la distribución binomial por la normal.
4.1.7. La distribución exponencial.
4.1.8. La distribución beta.
4.1.9. La distribución gamma.
4.1.10. Distribuciones de muestreo.
4.2. ESTIMACIÓN
4.2.1. Parámetros, estimadores y sus propiedades.
4.2.2. Estimación por puntos.
4.2.3. Precisión de la estimación y el error estándar.
4.2.4. Intervalos de confianza.
4.2.5. Estimación del intervalo de confianza para la media: varianza conocida, varianza
desconocida.
4.2.6. Estimación del intervalo de confianza de una proporción.
4.2.7. Determinación del tamaño de la muestra.
4.3. PRUEBA DE HIPÓTESIS
4.3.1. Prueba de hipótesis estadísticas.
4.3.1.1. Hipótesis nula y alternativa.
4.3.1.2. Errores de tipo I y de tipo II.
4.3.1.3. Cómo probar una hipótesis.
4.3.2. Pruebas para medias y proporciones de una población.
4.3.3. Pruebas para medias y proporciones de dos poblaciones.
4.3.4. Contraste de hipótesis para una población: Contraste de hipótesis sobre los parámetros y
contraste de hipótesis sobre las medias.
4.3.5. Pruebas de chi-cuadrada.
4.3.6. Pruebas de bondad de ajuste.
4.4. PRINCIPIOS DEL DISEÑO DE EXPERIMENTOS
4.4.1. Introducción al diseño de experimentos.
4.4.1.1. Tipos de experimentos.
4.4.1.2. Relación de tipo de experimento con el diseño.
4.4.2. Modelos lineales.
4.4.3. Experimentos con un factor y análisis de varianza.
4.4.4. Experimentos con dos factores.
4.4.5. Experimentos multifactoriales.
4.4.6. Experimentos factoriales sin repetición.
4.4.7. Experimentos repetidos en espacio y tiempo.
4.4.8. Experimentos con distribuciones estadísticas.
4.4.9. Experimentos simulados estadísticamente.
4.5. CORRELACIÓN, REGRESIÓN SIMPLE Y MÚLTIPLE
4.5.1. Correlación: coeficientes de correlación y determinación, medición de la fuerza de
asociación entre dos variables.
4.5.2. Método de mínimos cuadrados y error estándar de estimación.
4.5.3. Regresión lineal simple: prueba de hipótesis, estimación de intervalos de confianza,
aplicaciones para la predicción, adecuación del modelo.
4.5.4. Desventajas de usar los modelos de regresión.
4.5.5. Linealización y procesos iterativos para modelos no lineales.
4.5.6. Modelo de regresión lineal múltiple.
4.5.7. Modelo de regresión polinomial (curvilínea).
4.5.8. Variables categóricas explicativas.
4.5.9. Técnicas para construir y escoger un modelo de regresión.
4.6. ALGUNAS APLICACIONES INFORMÁTICAS
4.6.1. Vistazo a la Estadística no-paramétrica.
4.6.2. Simulación de Monte Carlo.
4.6.3. Medición y análisis de satisfacción de clientes.
4.6.4. Control estadístico de la calidad.
4.6.5. Métodos estadísticos en la mejora de procesos.
4.6.6. Modelos de estimación de esfuerzo en proyectos de tecnologías de información y
comunicación.
5.0. METODOLOGÍA
El trabajo en clase se distribuye en exposiciones magistrales por parte del profesor
seguidas por interrogatorios didácticos a los estudiantes en los que el profesor tiene la
oportunidad de aclarar dudas y fomentar la participación de los estudiantes. Todos los
temas en las exposiciones magistrales son presentados y discutidos primero en el nivel
de los conceptos estadísticos y posteriormente implementados en laboratorios de
computadoras con programas especializados.
El profesor también compara y contrasta diferentes ejemplos en cada tema para ayudar
a aclarar los conocimientos y facilitar su comprensión.
Las sesiones magistrales pueden ser seguidas por prácticas individuales en clase, en
donde los estudiantes pueden reafirmar el conocimiento al aplicarlo.
Adicionalmente, en clase se hacen laboratorios en computadora, en donde se
implementan modelos estadísticas y probabilísticos. Durante los laboratorios, los
estudiantes trabajan bajo la supervisión del profesor, teniéndolo a su disposición para
consultas. Después de cada laboratorio se hace un recuento de la manera correcta de
solucionar el problema para que los estudiantes puedan verificar, corregir o completar su
solución.
El trabajo extra clase puede generarse por asignaciones establecidas por el profesor o
por derivación del trabajo en clase. Este trabajo corresponde a tareas individuales o en
grupo que consisten en elaborar propuestas de soluciones a problemas de modelos de
estadística inferencial utilizando algunos de los programas usados para las los
laboratorios.
El profesor fomenta en los estudiantes, tanto en clase como en los trabajos extra clase,
el análisis y la valoración de la calidad de las soluciones propuestas a los problemas,
usando protocolos de revisión que favorecen la interacción constructiva y la colaboración
entre estudiantes en busca de la calidad en su trabajo.
Los problemas enfrentados por los estudiantes crecen en tamaño y complejidad a medida
que avanza el curso.
8.0. EVALUACIÓN
A continuación se especifica la evaluación del curso, teniendo en cuenta su función
sumativa y formativa:
Concepto Ponderación
Interrogatorios didácticos 5%
Prácticas en clase 15%
Laboratorios en clase 20%
Tareas extra-clase 20%
Examen 1 20%
Examen 2 20%
Total 100%
Los interrogatorios didácticos son efectuados por el profesor a los estudiantes en clase
después de cada sesión magistral. Los interrogatorios didácticos más importantes son los
realizados cuando se termina un tema, ya que le sirven al profesor para detectar o
diagnosticar si los estudiantes comprendieron bien el tema y, si es necesario, poder
reorientar y recomendar a los estudiantes actividades en clase para facilitar más la
comprensión del tema. El profesor debe llevar un control de la participación de los
estudiantes en los interrogatorios didácticos en clase, ya que hacen parte de la evaluación
sumativa.
Las prácticas en clase son supervisadas por el profesor, pero unas son corregidas por los
mismos estudiantes en clase, comparando la solución presentada por el profesor con la
de ellos; otras son corregidas en colaboración de todos los estudiantes, pues construyen
la solución por medio de la participación de todos; y otras son entregadas al profesor para
ser calificadas. Estas prácticas le sirven al profesor para diagnosticar si los estudiantes
aplican bien los conocimientos aprendidos y, si es necesario, poder recomendar a los
estudiantes prácticas adicionales. En estas prácticas los estudiantes tienen la oportunidad
de apreciar las soluciones planteadas por los compañeros y por el profesor, para valorar
y aplicar aspectos de la calidad de la solución.
Los laboratorios en clase son desarrollados por los estudiantes en computadora, en clase,
de manera individual o en grupo, y bajo la guía y supervisión del profesor. En los
laboratorios los estudiantes tienen que resolver un problema y desarrollar la solución que
lo implemente. Durante cada laboratorio se aclaran las dudas que los estudiantes puedan
tener y después de cada laboratorio el profesor, con ayuda de los estudiantes, verifica la
solución correcta al problema planteado. Los laboratorios se entregan al profesor y son
revisados en sitio. Se realizan 5 laboratorios en total durante el periodo académico.
Las tareas extra-clase algunas son individuales y otras en grupo, consisten en elaborar
una solución a problemas estadísticos pequeños y medianos usando modelos y software
especializado. Se realizan 4 tareas en total, 2 de ellas son individuales y 2 de ellas en
grupo.
Los exámenes evalúan principalmente los temas que los preceden, pero se pueden
considerar que son acumulativos. Los exámenes son individuales, se presentan por
escrito y están especificados en el cronograma del curso.
El curso se aprueba con una nota ponderada mayor o igual a 70 (>=70). El estudiante
que obtenga una nota ponderada mayor o igual a sesenta (60) y menor a setenta (70),
tendrá derecho a un examen extraordinario, según se estipula en el Reglamento
Académico. Además, se debe respetar el Reglamento del Régimen Estudiantil vigente.
9.0. CRONOGRAMA
10.0. BIBLIOGRAFÍA
Referencias principales:
1. Acuña, L. (2004)2. Estadística aplicada con Fathom. Cartago, Costa Rica: Editorial
Tecnológica de Costa Rica.
Referencias complementarias:
2. Maindonald, J.H. (2008). Using R for Data Analysis and Graphics - Introduction,
Code and Commentary. Disponible libremente en:
http://cran.r-project.org/doc/contrib/usingR.pdf (Consultado el 15 de Julio del
2011).
3. NIST/SEMATECH. (2009). e-Handbook of Statistical Methods. Disponible
libremente en: http://www.itl.nist.gov/div898/handbook (Consultado el 15 de Julio
del 2011).
4. Statistics Canada (2010). Statistics: Power from data! Ottawa, Canada: Statistics
Canada. Disponible libremente en: http://www.statcan.gc.ca/edu/power-
pouvoir/toc-tdm/5214718-eng.htm (Consultado el 15 de Julio del 2011).
5. StatSoft, Inc. (2007). Electronic Statistics Textbook. StatSoft. Disponible libremente
en: http://www.statsoft.com/textbook/stathome.html (Consultado el 15 de Julio del
2011).